基于fir濾波器預測的mppt滯環(huán)控制算法
【專利摘要】一種基于FIR濾波器預測的MPPT滯環(huán)控制算法，涉及MPPT算法【技術領域】，本發(fā)明基于FIR濾波器預測的MPPT滯環(huán)控制算法，是在常規(guī)擾動觀測法的基礎上，加入滯環(huán)控制和自適應預測機制，在預測下一時刻的光伏陣列輸出功率的基礎上，通過擾動規(guī)則的判定，確定擾動方向，在提高了跟蹤速度上同時兼顧了控制系統(tǒng)的精度，并減少了損耗。新型的算法能夠彌補常規(guī)擾動觀測法在跟蹤速度和穩(wěn)態(tài)精度上的不足，達到快速穩(wěn)定地實施MPPT控制，并大大減少了在最大功率點的震蕩和誤判，此外，此算法控制簡單，易于軟件編程實現(xiàn)。
【專利說明】基于FIR濾波器預測的MPPT滯環(huán)控制算法
【技術領域】
[0001]本發(fā)明涉及MPPT算法【技術領域】，具體涉及一種基于FIR濾波器預測的MPPT滯環(huán)控制算法。
【背景技術】
[0002]目前，通常用到的MPPT算法有擾動觀察法、模糊控制法。擾動觀察法也稱為爬山法，它的基本思想是:首先擾動光伏電池的輸出電壓，然后觀測光伏電池輸出功率的變化，根據功率變化的趨勢連續(xù)改變擾動電壓方向。由于實際檢測和控制精度的限制，而電壓擾動的步長一定，那么一定會出現(xiàn)震蕩問題，又由于外部環(huán)境是時刻變化的，光伏電池的P-U特性曲線時刻變化，就有可能發(fā)生誤判。模糊控制是以模糊集合理論為基礎的一種新興的控制手段，它的基本思想是:系統(tǒng)將采樣得到的數據經過運算，判定出工作點與最大功率點之間的位置關系，自動校正工作點電壓值，使工作點趨于最大功率點。模糊控制過程需要采樣得到數據，然后計算，再模糊化、模糊推理運算、清晰化，最后再得出結果，此方法過程比較復雜，需要較高運算速度的CPU，模糊化的語言變量選取要適當，清晰化的的計算比較發(fā)雜，所以在實際應用中較難實現(xiàn)。

【發(fā)明內容】

[0003]本發(fā)明所要解決的技術問題在于提供一種基于FIR濾波器預測的MPPT滯環(huán)控制算法，不僅追蹤速度、控制精度和誤判和震蕩優(yōu)于現(xiàn)有的擾動觀測法，而且本方法易于編程實現(xiàn)。 [0004]本發(fā)明所要解決的技術問題采用以下技術方案來實現(xiàn):
[0005]一種基于FIR濾波器預測的MPPT滯環(huán)控制算法，
[0006]I)首先根據自適應預測機制原理，設定
[0007]y (η)為期望輸出；
[0008]v(/7) ^.r(/7 + l)為預測計算結果；
[0009]e(n)為期望輸出與預測計算結果之間的誤差，即:= v(?)-.v(/7).[0010]2)自適應調整
[0011]預測器的系數向量決定了自適應機制的預測精度，因此為了保證預測算法對系統(tǒng)時變性和環(huán)境不確定性的適應，必須對預測器系數在線滾動優(yōu)化，即系數的自適應調整；
[0012]所謂預測器系數的自適應調整就是根據預測誤差，采取一定準則在線優(yōu)化系數，一般采用的優(yōu)化準則是以預測誤差的均方值最小為基準，典型代表為LMS算法:
[0013](//) ^[ v(/7)- v(//)]2，定義 ε (η)為 e2 (η)的期望值，即均方誤差:ε (η)=
E[e2(n)]；
[0014]代入可得:ε(η) = E[y (η)-Η/ ΝΧΝ (η) ]2 (I)[0015]為了使ε (η)最小，須求出一組hk (η) (k = O, I,…，N_l)，使其滿足要求；
[0016]可通過對式ε (n) =E[y(n)_H' ΝΧΝ (η) ]2采用微分置零法得到N個方程，求解可
得預測器系數:K = rJnPn.[0017]式中，pN:y(n)與X(η)的互相關量Ann:Χ(η)的自相關矩陣；
[0018]up:pN = E [y (η) X (η) ], Rnn = E [X (η) X; Ν(η)]；
[0019]一般來講，預測器的系數調整可由上式獲得，但當N較大時，計算量較大，不利于數字處理器上編程實現(xiàn)。
[0020]實際應用中，可采用遞推方式進行求解，常用最陡梯度法:
[0021]Hn (n+1) = Hn (η)+2 μ [pN-R麗Hn (η)],
[0022]式中，μ:步長因子，其大小影響每次迭代在最陡方向行進長度；
[0023]可證明，只要μ取值恰當，從任何％(0)出發(fā)，總能使預測器系數收斂至.[0024]但是采用這種迭代法計算使均方誤差最小的預測器系數向i Hs時，仍需計算pN和rnn，存在較復雜的矩陣運算；
[0025]因此，為了減少計算量，Widrow提出了一種有效的簡化方法，并推導出最陡梯度迭代法的近似實現(xiàn)形式:Hn (n+1) = Hn (η) +2 μ e (η) Xn (η)。
[0026]這就是Widrow-HofTLMS算法，在對預測器系數進行初值設置后，就可以通過在線更新迭代，使誤差均方值 最小；
[0027]根據上述描述的自適應預測機制，設計出基于FIR模型的自適應預測算法步驟為:
[0028]I)根據具體應用對象，初始化Hn (O), μ ；
[0029]2)輸入信號經過自適應預測機制，輸出_1如+ 1).[0030]3)信號+1)經過一個延時環(huán)節(jié)ζ_\輸出⑷.[0031]4)計算K") = J(")_.v(").5、計算 HN(n+l) = Hn(η)+2 μ e (η)Xn(η)。
[0032]至此一次滾動優(yōu)化計算完成，新的迭代計算周期到來時，返回第二步，開始新的滾動優(yōu)化計算；
[0033]在滯環(huán)控制中，PA為當前時刻光伏陣列輸出功率，PB為預測到的下一時刻最大點功率，PC為上一時刻光伏陣列輸出功率，
[0034]定義:PA>PC時，記為“ + ”，PB>PA時，記為“ + ”，反之均記做
[0035]通過三點之間功率的比較判斷，可以得出基于滯環(huán)的電壓擾動規(guī)則如下:
[0036]規(guī)則1:如果兩次擾動的功率比較均為“ + ”，則電壓保持原方向擾動；
[0037]規(guī)則2:如果兩次擾動的功率比較均為則電壓值反方向擾動；
[0038]規(guī)則3:如果兩次擾動的功率比較有“ + ”有可能已經達到最大功率點或者外部輻照變化很快，則電壓不變；
[0039]設定P (η)為這一時刻光伏陣列輸出功率，P (n-Ι)為上一時刻光伏陣列的輸出功率，d(n)為輸出占空比；
[0040]輸入電壓信號經過自適應預測機制預測下一時刻的光伏陣列的輸出功率，進入滯環(huán)控制判定擾動方向，從而確定占空比，占空比與三角波進行比較后，生成驅動開關器件的PWM脈沖信號,實現(xiàn)動態(tài)調節(jié)負載,最終實現(xiàn)最大功率點跟蹤控制。
[0041]本發(fā)明結合了預測算法與滯環(huán)控制的MPPT算法，通過預測算法預測下一時刻最大功率點的功率，并通過滯環(huán)控制判定下一次擾動的方向，此方法提高了追蹤最大功率點的速度以及提聞了追蹤精度，減少在最大功率點位置的擾動。
[0042]本發(fā)明的有益效果是:
【專利附圖】

【附圖說明】
[0043]圖1為本發(fā)明自適應預測機制的原理框圖；
[0044]圖2為本發(fā)明滯環(huán)控制輸出功率記錄圖；
[0045]圖3為本發(fā)明預測機制的MPPT控制框圖；
[0046]圖4為本發(fā)明軟件流程圖。
【具體實施方式】
[0047]為了使本發(fā)明實現(xiàn)的 技術手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結合具體圖示，進一步闡述本發(fā)明。
[0048]一種基于FIR濾波器預測的MPPT滯環(huán)控制算法，
[0049]I)首先根據自適應預測機制原理，如圖1所示，設定
[0050]y (η)為期望輸出；
[0051]v(/?)、.v(fl + l)為預測計算結果；
[0052]e(n)為期望輸出與預測計算結果之間的誤差，即:K?) =.v(?)_.v(?).9
[0053]2)自適應調整
[0054]預測器的系數向量決定了自適應機制的預測精度，因此為了保證預測算法對系統(tǒng)時變性和環(huán)境不確定性的適應，必須對預測器系數在線滾動優(yōu)化，即系數的自適應調整；
[0055]所謂預測器系數的自適應調整就是根據預測誤差，采取一定準則在線優(yōu)化系數，一般采用的優(yōu)化準則是以預測誤差的均方值最小為基準，典型代表為LMS算法:
[0056]c (//) = [>’⑷-J⑷]2，定義ε (η)為e2(η)的期望值，即均方誤差:ε (η)=
E[e2(n)]；
[0057]代入可得:ε(η) = E[y (η)-Η/ ΝΧΝ (η) ]2 (I)
[0058]為了使ε (η)最小，須求出一組hk (η) (k = 0, I,…，N_l)，使其滿足要求；
[0059]可通過對式ε (n) =E[y(n)_H' ΝΧΝ (η) ]2采用微分置零法得到N個方程，求解可
得預測器系數:H; = R^ps.[0060]式中，pN:y(n)與X(η)的互相關量；Rra:X(n)的自相關矩陣；
[0061]up:pN = E [y (η) X (η) ], Rnn = E [X (η) X; Ν(η)]；[0062]一般來講，預測器的系數調整可由上式獲得，但當N較大時，計算量較大，不利于數字處理器上編程實現(xiàn)。
[0063]實際應用中，可采用遞推方式進行求解，常用最陡梯度法:
[0064]Hn (n+1) = Hn (η)+2 μ [pN_R麗Hn (η)],
[0065]式中，μ:步長因子，其大小影響每次迭代在最陡方向行進長度；
[0066]可證明，只要μ取值恰當，從任何!^(0)出發(fā)，總能使預測器系數收斂至.[0067]但是采用這種迭代法計算使均方誤差最小的預測器系數向量時，仍需計算ρΝ和rnn，存在較復雜的矩陣運算；
[0068]因此，為了減少計算量，Widrow提出了一種有效的簡化方法，并推導出最陡梯度迭代法的近似實現(xiàn)形式:Hn (n+1) = Hn (η) +2 μ e (η) Xn (η)。
[0069]這就是Widrow-HoffLMS算法，在對預測 器系數進行初值設置后，就可以通過在線更新迭代，使誤差均方值最小；
[0070]根據上述描述的自適應預測機制，設計出基于FIR模型的自適應預測算法步驟為:
[0071]I)根據具體應用對象，初始Khn(O)、μ ；
[0072]2)輸入信號經過自適應預測機制，輸出ν(.〃 + I).[0073]3)信號+ 經過一個延時環(huán)節(jié)Z4,輸出v(?);
[0074]4)計算K") = v(/?)-v(").5、計算 HN(n+l) = Hn(η)+2 μ e (η)Xn(η)。



5
[0075]至此一次滾動優(yōu)化計算完成，新的迭代計算周期到來時，返回第二步，開始新的滾動優(yōu)化計算；
[0076]在滯環(huán)控制中，PA為當前時刻光伏陣列輸出功率，PB為預測到的下一時刻最大點功率，PC為上一時刻光伏陣列輸出功率，
[0077]定義:PA>PC時，記為“ + ”，PB>PA時，記為“ + ”，反之均記做如圖2所示:
[0078]通過三點之間功率的比較判斷，可以得出基于滯環(huán)的電壓擾動規(guī)則如下:
[0079]規(guī)則1:如果兩次擾動的功率比較均為“ + ”，則電壓保持原方向擾動；
[0080]規(guī)則2:如果兩次擾動的功率比較均為則電壓值反方向擾動；
[0081]規(guī)則3:如果兩次擾動的功率比較有“ + ”有可能已經達到最大功率點或者外部輻照變化很快，則電壓不變；
[0082]如圖3所不,設定p(n)為這一時刻光伏陣列輸出功率,p (n_l)為上一時刻光伏陣列的輸出功率，d(n)為輸出占空比；輸入電壓信號經過自適應預測機制預測下一時刻的光伏陣列的輸出功率，進入滯環(huán)控制判定擾動方向，從而確定占空比，占空比與三角波進行比較后，生成驅動開關器件的PWM脈沖信號，實現(xiàn)動態(tài)調節(jié)負載，最終實現(xiàn)最大功率點跟蹤控制。
[0083]如圖1所示，系統(tǒng)首先通過A/D單元檢測當前的太陽能電池的輸出功率P (η)，以及上一時刻的太陽能電池輸出功率P (n-Ι)，然后進入自適應預測機制，預測下一時刻的太陽能電池的輸出功率P(n+1)，然后通過滯環(huán)控制規(guī)則比較前一時刻、當前時刻、預測的下一時刻的太陽能電池功率之間的關系，得到擾動方向，然后相應的加大、減小或者保持當前占空比。
[0084]這種基于FIR濾波器預測的MPPT滯環(huán)控制算法，是在常規(guī)擾動觀測法的基礎上，加入滯環(huán)控制和自適應預測機制，在預測下一時刻的光伏陣列輸出功率的基礎上，通過擾動規(guī)則的判定，確定擾動方向，在提高了跟蹤速度上同時兼顧了控制系統(tǒng)的精度，并減少了損耗。新型的算法能夠彌補常規(guī)擾動觀測法在跟蹤速度和穩(wěn)態(tài)精度上的不足，達到快速穩(wěn)定地實施MPPT控制，并大大減少了在最大功率點的震蕩和誤判。此外，此算法控制簡單，易于軟件編程實現(xiàn)。
[0085]以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術人員應該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進都落入要求保護的本發(fā)明范圍內。本發(fā)明要求保護范圍由所附的權利要求書及其等效物界定。
【權利要求】
1.一種基于FIR濾波器預測的MPPT滯環(huán)控制算法，其特征在于: 1)首先根據自適應預測機制原理，設定 y(n)為期望輸出； y(?)、yO + l)為預測計算結果； e(n)為期望輸出與預測計算結果之間的誤差，即:Κ?) =.ν(?)-.?.(?).2)自適應調整 預測器的系數向量決定了自適應機制的預測精度，因此為了保證預測算法對系統(tǒng)時變性和環(huán)境不確定性的適應，必須對預測器系數在線滾動優(yōu)化，即系數的自適應調整； 所謂預測器系數的自適應調整就是根據預測誤差，采取一定準則在線優(yōu)化系數，采用的優(yōu)化準則是以預測誤差的均方值最小為基準，采用LMS算法: P2⑷= [.ν⑷-.r(")]2，定義ε (η)為e2(n)的期望值，即均方誤差:ε (n) =E[e2(n)]；
代入可得:ε (n) = E[y (n) -H; NXN (n) ]2 為了使ε (n)最小，須求出一組hk(n) (k = 0，1，".，Ν-1)，使其滿足要求； 通過對式ε (n) =E[y(n)-H' ΝΧΝ(η) ]2采用微分置零法得到N個方程，求解可得預測器系數:Hn — Rss ps.式中，PN:y (η)與Χ(η)的互相關量；Rnn:Χ(η)的自相關矩陣；
即:ρΝ = E[y (η) X (η) ], Rnn = Ε[Χ(η)Χ/ Ν(η)]； 3)根據上述描述的自適應預測機制，設計出基于FIR模型的自適應預測算法步驟為: (1)根據具體應用對象，初始KHn(O)、μ； (2)輸入信號經過自適應預測機制，輸出.ν(/7+ 1).(3)信號+經過一個延時環(huán)節(jié)z \輸出:F(n);
(4)計算K/?) =.).’(/?)-.v(/?).5、計算 HN(n+l) = Hn(η)+2 μ e (η)Xn(η)。 至此一次滾動優(yōu)化計算完成，新的迭代計算周期到來時，返回第二步，開始新的滾動優(yōu)化計算； 在滯環(huán)控制中，PA為當前時刻光伏陣列輸出功率，PB為預測到的下一時刻最大點功率，PC為上一時刻光伏陣列輸出功率， 定義:PA>PC時，記為“ + ”，PB>PA時，記為“ + ”，反之均記做 通過三點之間功率的比較判斷，可以得出基于滯環(huán)的電壓擾動規(guī)則如下: 規(guī)則1:如果兩次擾動的功率比較均為“ + ”，則電壓保持原方向擾動； 規(guī)則2:如果兩次擾動的功率比較均為則電壓值反方向擾動； 規(guī)則3:如果兩次擾動的功率比較有“ + ”有可能已經達到最大功率點或者外部輻照變化很快，則電壓不變； 設定P(n)為這一時刻光伏陣列輸出功率，P (n-Ι)為上一時刻光伏陣列的輸出功率，d(n)為輸出占空比； 輸入電壓信號經過自適應預測機制預測下一時刻的光伏陣列的輸出功率，進入滯環(huán)控制判定擾動方向，從而確定占空比，占空比與三角波進行比較后，生成驅動開關器件的PWM脈沖信號，實現(xiàn) 動態(tài)調節(jié)負載，最終實現(xiàn)最大功率點跟蹤控制。
【文檔編號】G05B13/02GK104020813SQ201410200535
【公開日】2014年9月3日 申請日期:2014年5月13日 優(yōu)先權日:2014年5月13日
【發(fā)明者】胡存剛, 夏曉波, 葛浩祥, 謝芳, 陳曙光 申請人:安徽省安泰科技股份有限公司